OpenCV自学笔记5:Hough变换检测直线和圆

2024-05-14 16:38

本文主要是介绍OpenCV自学笔记5:Hough变换检测直线和圆,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Hough变换检测直线和圆

引言:
Hough变换被常用于检测图像中的直线和圆。其本质是将直角坐标系映射到极坐标系,有关Hough变换的原理请见这篇博文。

————————————————————-

Hough变换检测直线

OpenCV中提供了HoughLines 和 HoughLinesP来检测直线。第一个函数使用标准的Hough变换,第二个函数使用概率Hough变换,通过计算点属于直线的概率,提高了算法速度,是标准Hough变换的优化版。

例子里使用到的图像如下(下载自百度):

这里写图片描述

# -*- coding:utf-8 -*-import cv2
import numpy as np# Step1. 读入图像
src = cv2.imread('images/roof.jpg')
gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)# Step2. 边缘检测
edges = cv2.Canny(gray, 50, 150)
dst1 = cv2.cvtColor(edges, cv2.COLOR_GRAY2BGR)
dst2 = cv2.cvtColor(edges, cv2.COLOR_GRAY2BGR)# Step3. Hough直线检测
minLineLength = 100
maxLineGap = 10
lines1 = cv2.HoughLines(edges, 1, np.pi/180.0, 200, minLineLength, maxLineGap)
if lines1 is not None:_lines1 = lines1[:, 0, :]  # 提取为二维for rho,theta in _lines1[:]:a = np.cos(theta)b = np.sin(theta)x0, y0 = a * rho, b * rhopt1 = ( int(x0 + 1000 * (-b)), int(y0 + 1000 * (a)) )pt2 = ( int(x0 - 1000 * (-b)), int(y0 - 1000 * (a)) )cv2.line(dst1, pt1, pt2, (0, 255, 0), 2)cv2.imshow("hough lines", dst1)# Step4. HoughLineP直线检测
minLineLength = 50
maxLineGap = 10
lines2 = cv2.HoughLinesP(edges, 1, np.pi/180.0, 50, minLineLength, maxLineGap)
if lines2 is not None:_lines2 = lines2[:,0,:] for x1,y1,x2,y2 in _lines2[:]:cv2.line(dst2,(x1, y1), (x2, y2), (0,255,0), 2)cv2.imshow("hough lines P", dst2)cv2.waitKey(0)

程序的运行结果如下,检测出了一些主要的直线。由于参数不同,两种方法检测出的直线效果不同,如果想调整检测的效果,需要调整函数中的参数值。

这里写图片描述

————————————————————-

Hough变换检测圆

OpenCV中提供了HoughCircles函数用来检测圆,下面是使用HoughCircles检测圆的例子

例子里使用到的图像如下:

这里写图片描述

# -*- coding:utf-8 -*-import cv2
import numpy as np# Step1. 读入图像
src = cv2.imread('images/moon.jpg')
gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)# Step2. Hough圆检测
# 根据多次尝试的结果,将param1调整为220时,检测效果较好
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1, 100, \param1=220, param2=30, minRadius=100, maxRadius=200)
if circles is not None:for i in circles[0,:]:cv2.circle(src, (i[0], i[1]), i[2], (0, 255, 0), 2)cv2.imshow("hough circle ", src)cv2.waitKey(0)

程序的运行结果如下:

这里写图片描述

这里写图片描述

这篇关于OpenCV自学笔记5:Hough变换检测直线和圆的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/989278

相关文章

Linux系统性能检测命令详解

《Linux系统性能检测命令详解》本文介绍了Linux系统常用的监控命令(如top、vmstat、iostat、htop等)及其参数功能,涵盖进程状态、内存使用、磁盘I/O、系统负载等多维度资源监控,... 目录toppsuptimevmstatIOStatiotopslabtophtopdstatnmon

Python使用OpenCV实现获取视频时长的小工具

《Python使用OpenCV实现获取视频时长的小工具》在处理视频数据时,获取视频的时长是一项常见且基础的需求,本文将详细介绍如何使用Python和OpenCV获取视频时长,并对每一行代码进行深入解析... 目录一、代码实现二、代码解析1. 导入 OpenCV 库2. 定义获取视频时长的函数3. 打开视频文

C++ 检测文件大小和文件传输的方法示例详解

《C++检测文件大小和文件传输的方法示例详解》文章介绍了在C/C++中获取文件大小的三种方法,推荐使用stat()函数,并详细说明了如何设计一次性发送压缩包的结构体及传输流程,包含CRC校验和自动解... 目录检测文件的大小✅ 方法一:使用 stat() 函数(推荐)✅ 用法示例:✅ 方法二:使用 fsee

Python如何将OpenCV摄像头视频流通过浏览器播放

《Python如何将OpenCV摄像头视频流通过浏览器播放》:本文主要介绍Python如何将OpenCV摄像头视频流通过浏览器播放的问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完... 目录方法1:使用Flask + MJPEG流实现代码使用方法优点缺点方法2:使用WebSocket传输视

使用Python和OpenCV库实现实时颜色识别系统

《使用Python和OpenCV库实现实时颜色识别系统》:本文主要介绍使用Python和OpenCV库实现的实时颜色识别系统,这个系统能够通过摄像头捕捉视频流,并在视频中指定区域内识别主要颜色(红... 目录一、引言二、系统概述三、代码解析1. 导入库2. 颜色识别函数3. 主程序循环四、HSV色彩空间详解

OpenCV实现实时颜色检测的示例

《OpenCV实现实时颜色检测的示例》本文主要介绍了OpenCV实现实时颜色检测的示例,通过HSV色彩空间转换和色调范围判断实现红黄绿蓝颜色检测,包含视频捕捉、区域标记、颜色分析等功能,具有一定的参考... 目录一、引言二、系统概述三、代码解析1. 导入库2. 颜色识别函数3. 主程序循环四、HSV色彩空间

Python中OpenCV与Matplotlib的图像操作入门指南

《Python中OpenCV与Matplotlib的图像操作入门指南》:本文主要介绍Python中OpenCV与Matplotlib的图像操作指南,本文通过实例代码给大家介绍的非常详细,对大家的学... 目录一、环境准备二、图像的基本操作1. 图像读取、显示与保存 使用OpenCV操作2. 像素级操作3.

C/C++中OpenCV 矩阵运算的实现

《C/C++中OpenCV矩阵运算的实现》本文主要介绍了C/C++中OpenCV矩阵运算的实现,包括基本算术运算(标量与矩阵)、矩阵乘法、转置、逆矩阵、行列式、迹、范数等操作,感兴趣的可以了解一下... 目录矩阵的创建与初始化创建矩阵访问矩阵元素基本的算术运算 ➕➖✖️➗矩阵与标量运算矩阵与矩阵运算 (逐元

C/C++的OpenCV 进行图像梯度提取的几种实现

《C/C++的OpenCV进行图像梯度提取的几种实现》本文主要介绍了C/C++的OpenCV进行图像梯度提取的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录预www.chinasem.cn备知识1. 图像加载与预处理2. Sobel 算子计算 X 和 Y

C/C++和OpenCV实现调用摄像头

《C/C++和OpenCV实现调用摄像头》本文主要介绍了C/C++和OpenCV实现调用摄像头,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录准备工作1. 打开摄像头2. 读取视频帧3. 显示视频帧4. 释放资源5. 获取和设置摄像头属性